A Corpus-based Study on the Use of Three-word Lexical Bundles in the Academic Writing by Native English and Turkish Non-native Writers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The utilization of English recurrent word combinations –lexical bundles- play a fundamental role in academic prose (Karabacak & Qin, 2013). There has been highly limited research about comparing Turkish non-native and native English writers’ use of lexical bundles in academic prose in terms of frequency, structure and functions of lexical bundles (Bal, 2010; Karabacak & Qin, 2013, Öztürk, 2014). Therefore, this current research was conducted in order to investigate the most frequently used lexical bundles in the academically published articles of Turkish non-native and native speakers of English and to investigate whether there was a significant difference between native and non-native scholars with respect to the frequency, structures and functions of English language lexical bundles. The data were collected from two corpora; 15 scientific articles of native speakers and 15 scientific articles of Turkish advanced writers. The investigation included a quantitative analysis of the use of three-word lexical bundles and a qualitative analysis of the functions and structures they serve. To be more conservative, three-word lexical bundles which occur 40 times per million words and appear in 5 different texts were described a lexical bundle in this current research. The findings revealed that Turkish non-native writers showed underuse and less variation in the use of lexical bundles in their academic prose compared to native speakers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle